Еволюція прогнозувальних можливостей та підйом DeFi 3.0
Прогнозування завжди було ключовою здатністю людської еволюції. З давніх часів люди покладалися на свої органи чуття та інтуїцію, щоб передбачати загрози та можливості в навколишньому середовищі, такі як розпізнавання моделей поведінки хижаків, час появи здобичі та сезонні умови постачання їжі, що є критично важливими для виживання.
З плином часу ця модель прогнозування поступово розвивалася до використання інструментів і планування, таких як прогнозування вирощування культур, потреби в зберіганні їжі тощо. Водночас люди почали прогнозувати соціальні підказки, такі як наміри, емоції та поведінка інших. Пізніше розвиток таких галузей, як письмо, наука, математика, а також поява сучасних інструментів, таких як статистика, комп'ютери, машинне навчання та штучний інтелект, були спрямовані на підвищення прогнозувальних можливостей людства.
Прогнозні ринки вже стали важливим економічним інструментом, який використовує людські прогностичні здібності для передбачення результатів економічних, політичних та культурних подій. На відміну від традиційних опитувань громадської думки, прогнозні ринки використовують економічні стимули для отримання точних прогнозів, оскільки учасники роблять ставки реальними грошима.
У ринку виборів в США 2024 року одна з платформ прогнозування залучила близько 4 мільярдів доларів ставок, її результати в прогнозуванні перемоги певних кандидатів навіть перевершили результати опитувань, що відображає економічну цінність краудсорсингового прогнозування.
Така ж еволюція також стосується спотової та безстрокової торгівлі. Від виникнення централізованих бірж, які задовольняють зростаючий у всьому світі попит на криптовалюту, до нещодавнього інноваційного розвитку децентралізованих платформ, які пропонують самоутримання та послуги без необхідності верифікації, при цьому зберігаючи досвід торгівлі, подібний до централізованих бірж.
З розвитком штучного інтелекту та моделей прогнозування на основі машинного навчання, здатність прогнозувати події, ціни активів і волатильність суттєво зростає, що веде людство до наступного етапу еволюції.
Децентралізовані фінанси 3.0 的崛起
Децентралізовані фінанси 1.0 впровадили смарт-контракти та децентралізовані додатки, що дозволяє користувачам у будь-який час і в будь-якому місці здійснювати перекази,交易, стейкінг, кредитування та видобуток прибутку, по суті це вкладення криптоактивів в роботу на блокчейні з метою створення економічної вартості.
Децентралізовані фінанси 2.0 на цій основі було розширено, впроваджуючи інноваційну токеноміку та механізми розподілу винагород, що має на меті узгодження інтересів різних зацікавлених сторін у протоколі та сприяння виникненню нових ринків, що пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 ж вводить штучний інтелект у сферу Децентралізованих фінансів. Дехто називає це DeFAI або AiFi, його суть полягає в інтеграції великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів. Це включає від простих інтеграцій LLM (таких як надання підтримки клієнтам) до складних багатагенерних систем і систем машинного навчання, які суттєво покращують продуктивність продукту (таких як збільшення прибутку від торгів, зменшення непостійних втрат, підвищення доходу постачальників ліквідності, зниження ризику ліквідації постійних торгів тощо).
Розвиток системи прогнозування
Нейронні мережі та дерева рішень з'явилися з 2000-х років, спочатку їх використовували хедж-фонди для прогнозування цін на акції та товари. Ці ранні моделі досягли точності прогнозів на короткий термін на рівні 50% - 60%, але через надмірне узгодження та обмеженість даних їх використання було обмеженим.
Потім зростання глибокого навчання та великих даних дозволило моделям обробляти більші набори даних, включаючи неструктуровані дані, такі як часові ряди, новини та соціальні медіа, що призвело до більш точних прогнозів та ширшого застосування.
Протягом останніх п'яти років поява моделей Transformer та мультимодального ШІ стала знаковим розвитком у системах прогнозування. Ці моделі інтегрують більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, дані оркулів, новини в реальному часі, краудсорсингові прогнози та інші джерела інформації. Це дозволило деяким моделям ШІ досягти точності 80% - 90% у прогнозуванні результатів подій та цін на активи.
Зі збільшенням удосконалень цих моделей зросло попит на інтеграцію прогнозуючих можливостей у системи Децентралізовані фінанси. Наразі ми знаходимося на ранній стадії DeFi 3.0, на ринку вже з'явилися деякі спроби поєднати системи штучного інтелекту / машинного навчання з додатками Web3.
Децентралізовані фінанси та поєднання з AI / ML системами
Багато проектів досліджують застосування технологій штучного інтелекту та машинного навчання у сфері Децентралізованих фінансів. Ці проекти охоплюють різні аспекти, від прогнозування цін на криптовалюту до управління ліквідністю, оптимізації торгових стратегій тощо. Деякі проекти стверджують, що їхня точність короткострокових прогнозів цін на криптовалюту може досягати близько 80%.
Ці проекти мають такі застосування:
AI-рухомий трест на базі USDC, що використовує технології міркування для максимізації торгових прибутків від конкретних токенів.
AI-водні постачальники ліквідності (LP) скарбниці, що використовують прогнозні дані про ціни для кращого управління ліквідністю та зменшення непостійних втрат.
Платформа, яка підтримує торгові стратегії та виконання для AI-агентів.
Деякі проекти все ще розробляють продукти DeFi, які можуть автоматично розподіляти депозити користувачів на високо надійні події/ринки для ставок. Ранні тести показали, що річна дохідність деяких продуктів нібито перевищує чотири цифри.
Крім того, є проекти, які зосереджуються на розробці високогнучких моделей прогнозування волатильності. Ці моделі можуть не лише прогнозувати майбутню ціну, але й використовуватися для прогнозування ймовірності ліквідації, часу існування безперервних позицій, встановлення діапазону надання ліквідності, прогнозування непостійних втрат, прогнозування ціни виконання опціонів та терміну їх дії тощо. Є повідомлення, що ці моделі показують результати на 25% - 30% вищі, ніж традиційні базові моделі.
Майбутні тенденції розвитку
З розвитком Децентралізованих фінансів 3.0 ми можемо передбачити такі тенденції:
Постійно прагнучи до вищого прибутку та нижчого ризику, сприяти впровадженню більшої кількості реальних активів (RWAs) у ланцюг.
Існуючі джерела доходу від Децентралізованих фінансів будуть продовжувати оптимізуватися, ставати більш доступними.
Прогнозні ринки стануть важливим джерелом інформації, AI виступатиме в ролі маркет-мейкера, а досвідчені учасники ще більше стимулюватимуть колективний розум.
Інструменти стануть розумнішими, моделі прогнозування стануть точнішими.
Чим більше ці системи навчаються, тим більша їхня цінність. Чим сильніша їхня комбінація з іншими частинами Web3, тим більш непереможним стає весь тренд.
В цілому, все в криптосфері по суті є ставкою на майбутнє. Тому ті, хто зможе чіткіше передбачити майбутнє інфраструктури та програм/агентів — будь то через колективний розум, якісніші дані чи точніші моделі — матимуть значну перевагу в майбутньому змаганні.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Децентралізовані фінанси 3.0: інновації в прогнозуванні на основі штучного інтелекту та нові можливості для прибутку
Еволюція прогнозувальних можливостей та підйом DeFi 3.0
Прогнозування завжди було ключовою здатністю людської еволюції. З давніх часів люди покладалися на свої органи чуття та інтуїцію, щоб передбачати загрози та можливості в навколишньому середовищі, такі як розпізнавання моделей поведінки хижаків, час появи здобичі та сезонні умови постачання їжі, що є критично важливими для виживання.
З плином часу ця модель прогнозування поступово розвивалася до використання інструментів і планування, таких як прогнозування вирощування культур, потреби в зберіганні їжі тощо. Водночас люди почали прогнозувати соціальні підказки, такі як наміри, емоції та поведінка інших. Пізніше розвиток таких галузей, як письмо, наука, математика, а також поява сучасних інструментів, таких як статистика, комп'ютери, машинне навчання та штучний інтелект, були спрямовані на підвищення прогнозувальних можливостей людства.
Прогнозні ринки вже стали важливим економічним інструментом, який використовує людські прогностичні здібності для передбачення результатів економічних, політичних та культурних подій. На відміну від традиційних опитувань громадської думки, прогнозні ринки використовують економічні стимули для отримання точних прогнозів, оскільки учасники роблять ставки реальними грошима.
У ринку виборів в США 2024 року одна з платформ прогнозування залучила близько 4 мільярдів доларів ставок, її результати в прогнозуванні перемоги певних кандидатів навіть перевершили результати опитувань, що відображає економічну цінність краудсорсингового прогнозування.
Така ж еволюція також стосується спотової та безстрокової торгівлі. Від виникнення централізованих бірж, які задовольняють зростаючий у всьому світі попит на криптовалюту, до нещодавнього інноваційного розвитку децентралізованих платформ, які пропонують самоутримання та послуги без необхідності верифікації, при цьому зберігаючи досвід торгівлі, подібний до централізованих бірж.
З розвитком штучного інтелекту та моделей прогнозування на основі машинного навчання, здатність прогнозувати події, ціни активів і волатильність суттєво зростає, що веде людство до наступного етапу еволюції.
Децентралізовані фінанси 3.0 的崛起
Децентралізовані фінанси 1.0 впровадили смарт-контракти та децентралізовані додатки, що дозволяє користувачам у будь-який час і в будь-якому місці здійснювати перекази,交易, стейкінг, кредитування та видобуток прибутку, по суті це вкладення криптоактивів в роботу на блокчейні з метою створення економічної вартості.
Децентралізовані фінанси 2.0 на цій основі було розширено, впроваджуючи інноваційну токеноміку та механізми розподілу винагород, що має на меті узгодження інтересів різних зацікавлених сторін у протоколі та сприяння виникненню нових ринків, що пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 ж вводить штучний інтелект у сферу Децентралізованих фінансів. Дехто називає це DeFAI або AiFi, його суть полягає в інтеграції великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів. Це включає від простих інтеграцій LLM (таких як надання підтримки клієнтам) до складних багатагенерних систем і систем машинного навчання, які суттєво покращують продуктивність продукту (таких як збільшення прибутку від торгів, зменшення непостійних втрат, підвищення доходу постачальників ліквідності, зниження ризику ліквідації постійних торгів тощо).
Розвиток системи прогнозування
Нейронні мережі та дерева рішень з'явилися з 2000-х років, спочатку їх використовували хедж-фонди для прогнозування цін на акції та товари. Ці ранні моделі досягли точності прогнозів на короткий термін на рівні 50% - 60%, але через надмірне узгодження та обмеженість даних їх використання було обмеженим.
Потім зростання глибокого навчання та великих даних дозволило моделям обробляти більші набори даних, включаючи неструктуровані дані, такі як часові ряди, новини та соціальні медіа, що призвело до більш точних прогнозів та ширшого застосування.
Протягом останніх п'яти років поява моделей Transformer та мультимодального ШІ стала знаковим розвитком у системах прогнозування. Ці моделі інтегрують більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, дані оркулів, новини в реальному часі, краудсорсингові прогнози та інші джерела інформації. Це дозволило деяким моделям ШІ досягти точності 80% - 90% у прогнозуванні результатів подій та цін на активи.
Зі збільшенням удосконалень цих моделей зросло попит на інтеграцію прогнозуючих можливостей у системи Децентралізовані фінанси. Наразі ми знаходимося на ранній стадії DeFi 3.0, на ринку вже з'явилися деякі спроби поєднати системи штучного інтелекту / машинного навчання з додатками Web3.
Децентралізовані фінанси та поєднання з AI / ML системами
Багато проектів досліджують застосування технологій штучного інтелекту та машинного навчання у сфері Децентралізованих фінансів. Ці проекти охоплюють різні аспекти, від прогнозування цін на криптовалюту до управління ліквідністю, оптимізації торгових стратегій тощо. Деякі проекти стверджують, що їхня точність короткострокових прогнозів цін на криптовалюту може досягати близько 80%.
Ці проекти мають такі застосування:
Деякі проекти все ще розробляють продукти DeFi, які можуть автоматично розподіляти депозити користувачів на високо надійні події/ринки для ставок. Ранні тести показали, що річна дохідність деяких продуктів нібито перевищує чотири цифри.
Крім того, є проекти, які зосереджуються на розробці високогнучких моделей прогнозування волатильності. Ці моделі можуть не лише прогнозувати майбутню ціну, але й використовуватися для прогнозування ймовірності ліквідації, часу існування безперервних позицій, встановлення діапазону надання ліквідності, прогнозування непостійних втрат, прогнозування ціни виконання опціонів та терміну їх дії тощо. Є повідомлення, що ці моделі показують результати на 25% - 30% вищі, ніж традиційні базові моделі.
Майбутні тенденції розвитку
З розвитком Децентралізованих фінансів 3.0 ми можемо передбачити такі тенденції:
Постійно прагнучи до вищого прибутку та нижчого ризику, сприяти впровадженню більшої кількості реальних активів (RWAs) у ланцюг.
Існуючі джерела доходу від Децентралізованих фінансів будуть продовжувати оптимізуватися, ставати більш доступними.
Прогнозні ринки стануть важливим джерелом інформації, AI виступатиме в ролі маркет-мейкера, а досвідчені учасники ще більше стимулюватимуть колективний розум.
Інструменти стануть розумнішими, моделі прогнозування стануть точнішими.
Чим більше ці системи навчаються, тим більша їхня цінність. Чим сильніша їхня комбінація з іншими частинами Web3, тим більш непереможним стає весь тренд.
В цілому, все в криптосфері по суті є ставкою на майбутнє. Тому ті, хто зможе чіткіше передбачити майбутнє інфраструктури та програм/агентів — будь то через колективний розум, якісніші дані чи точніші моделі — матимуть значну перевагу в майбутньому змаганні.